AI 辅助论文写作工作流：从想法到投稿

正式动笔之前，先写一份 300 字的研究备忘录：研究问题是什么、为什么重要、这一篇有什么是别人没说的、识别策略是什么、用什么数据。这一步绝对不交给 agent——它是研究判断本身。备忘录写不顺，说明 idea 还没成熟，先回去想清楚再说。

备忘录就保存在仓库的 memo.md，每次想法迭代都进 git。审稿人最常问的"你的 contribution 到底是什么"，答案应当能从这 300 字直接读出来。

把研究问题与关键概念交给 searcher agent，让它输出一份候选文献清单：每条带 DOI、引用次数、与本文的关系标签（"竞争假说"/"测度方法"/"机制证据"/"政策背景"）。Searcher 只搜不读。然后把清单交给 note-taker agent 逐篇精读，输出结构化笔记：研究问题、识别策略、数据、结论、对本文的启发与冲突。

note-taker 输出的是笔记，不是骨架。这一步必须由作者亲自做：把笔记按论证需要重排——本文与既有文献的关系图（哪几篇是直接前序，哪几篇是竞争解释，哪几篇是方法借鉴），然后写一份 500 字的 introduction 大纲，明确"我想让审稿人在读完 intro 时相信什么"。

骨架决定了论文的命门。这一步交给 agent 等于把论文 framing 让给机器——agent 写出来的 intro 永远是"很多人研究了 X，但没人研究 Y，所以本文研究 Y"这种空话。

骨架定稿后，把每一节的小节标题 + 论点 + 必要素材交给 writer agent，让它扩写成正文段落。提示里讲明读者画像（"经济学顶刊审稿人，方法挑剔但不会读你内心"）和绝不能编造的内容（人名、文献、数字、估计系数、识别条件）。

实证主体（数据描述、识别策略、主回归）建议作者本人手写第一稿，writer 只做语言打磨。综述、机制讨论、稳健性脚注这类相对程式化的段落可以全交给 writer。

正文写完后开一个全新的 Claude 对话，把整篇论文丢进去，让 reviewer agent 模拟一名挑剔的顶刊审稿人，逐节给出：

• 逻辑检查：claim 是否有证据支持，证据是否真的支持 claim，identification 是否在论证中保持一致。
• 事实核对：每一处引用、数字、年份、机构名、政策名——逐一标记。
• 审稿人会问的问题：列出 5-10 个"如果我是 referee 会写在 report 里的问题"。

reviewer 的输出是 referee-pre-report.md，绝不直接改正文。改不改、怎么改、是否需要补回归——这是作者的判断。把 referee 提的问题在投稿前自己回答一遍，是这条工作流给得最多的 ROI。

LLM 生成的论文里最常见的错误是编造引用——非真实的文献、错的年份、把 A 的论文挂到 B 名下。这一步必须全自动跑一遍：

• /bib-citation-validator skill 把 .bib 里每条 entry 比对 Zotero 本地库 + CrossRef + OpenAlex，标出"在 Zotero 里没找到"和"DOI 解析失败"两类。
• 工作论文要确认是否已有正式发表版本（unpaywall-api skill）。
• 生成 CSV 报告，作者逐条勾选是否替换。

我们在第一篇用这条流程的论文里发现了 7 条 LLM 编造的引用——投稿前发现就是工作流救命，投稿后被 referee 抓到就是事故。

把全文（latex 源码）+ referee-pre-report 中作者勾选的修改清单交给 reviser agent。reviser 只做三件事：把勾选的修改落到位、统一术语 / 时态 / 人称、把过长复合句拆短。不允许引入新论点、新引用、新数字、新表格——这条规矩写进 system prompt，越界就重跑。

英文写作建议在最后再过一遍 native-speaker 风格 prompt（"以 AER author 的风格重写，保留所有数学符号与引用编号"），但不要让它改 abstract——abstract 应当作者亲自定稿。

pdflatex && bibtex && pdflatex && pdflatex 编译完整 PDF，只看 PDF 不看源码通读一遍。然后对照投稿目标期刊的 submission checklist 逐项过：abstract 字数、JEL codes、keyword 数量、figure / table 编号、appendix 顺序、致谢与利益冲突声明。

到这一步论文进入"可投稿"状态。后续 referee 反馈的迭代不再走这条工作流，而是用 /latexdiff-pdf 跟踪 revision 高亮、按 referee 的编号逐条回复。